華為近日正式宣布，其DeepSeek系列中的DeepSeek-R1、DeepSeek-V3、DeepSeek-V2以及Janus-Pro模型已在昇騰社區(qū)上線。這一系列舉措意味著用戶現(xiàn)在可以一鍵獲取DeepSeek系列模型，并且在昇騰硬件平臺上實現(xiàn)開箱即用的便捷體驗。

據(jù)悉，DeepSeek-V3模型早在2024年便推出了首個版本，并同步進行了開源。作為一款自研的MoE模型，DeepSeek-V3擁有671B的參數(shù)，其中37B被激活，并在14.8T的token數(shù)據(jù)上進行了預訓練。這樣的配置使其在多個評測中展現(xiàn)出了卓越的性能。

DeepSeek方面透露，DeepSeek-V3在多項評測中的表現(xiàn)已經(jīng)超越了Qwen2.5-72B和Llama-3.1-405B等其他知名的開源模型。更令人矚目的是，在性能上，DeepSeek-V3與世界頂尖的閉源模型，如GPT-4o和Claude-3.5-Sonnet，也達到了相當?shù)乃?。這一成就無疑進一步提升了DeepSeek系列模型在行業(yè)內(nèi)的地位和影響力。

為了幫助用戶更好地在昇騰社區(qū)獲取和使用DeepSeek-V3模型，以下將詳細介紹具體的操作步驟。以DeepSeek-V3為例，用戶首先需要確保滿足硬件要求，即部署該模型需要配置4臺Atlas 800I A2（8*64G）服務器資源。

接下來是模型調(diào)用的實踐環(huán)節(jié)。用戶需要完成權(quán)重轉(zhuǎn)換，盡管原文中GPU和NPU的具體轉(zhuǎn)換步驟未詳細列出，但用戶可以在昇騰社區(qū)找到相關(guān)的指導文檔。完成權(quán)重轉(zhuǎn)換后，用戶需要從昇騰社區(qū)的開發(fā)資源中下載適配DeepSeek-V3的鏡像包，具體為mindie:1.0.T71-800I-A2-py311-ubuntu22.04-arm64。下載完成后，使用docker images命令來查找并確認具體的鏡像名稱與標簽。

服務化測試是最后一步。用戶需要配置服務化環(huán)境變量，并啟用內(nèi)存池擴展段功能，即虛擬內(nèi)存特性。完成服務化參數(shù)的修改后，用戶可以拉起服務化。當屏幕上出現(xiàn)“Daemon start success!”的提示時，即表示服務已經(jīng)成功啟動。

通過以上步驟，用戶就可以在昇騰社區(qū)高效地獲取并使用DeepSeek-V3模型了。這一流程的簡化和優(yōu)化，無疑將進一步提升DeepSeek系列模型在行業(yè)內(nèi)的普及度和應用率。